问题标签 [sift]

我有两个矩阵 A 和 B。每个矩阵都有 2 列，其中包含一个点的坐标( x , y )。

我需要计算一个mapping of points from A to B点，使它们之间的欧几里得距离最小。

本质上，我试图模仿 sift 对图像的作用，但不会执行 sift 为匹配点所做的步骤......

因此，对于 A 中的所有点，我计算 B 中所有点的欧几里德距离，然后删除距离最小的 2 个点的映射。然后我继续这样做，直到 A 和 B 都是空的。

有人能告诉我这样做最有效的方法是什么吗？

编辑

有人可以帮我吗...我面临的问题是，在选择它们中的最小值作为第一个映射之前，我需要计算所有 v/s 所有距离。然后我需要重新做一遍，使计算真的很长......

有什么方法可以在 MATLAB 中有效地完成？

我目前正在使用 Matlab 进行 SIFT。我已经实现了 Scale-Space 和 DoG。目前致力于关键点本地化。我能够提取最大值和最小值。我应该如何从这里开始？除此之外，有人有兴趣验证我的编码吗？

我想使用 OpenCV 来实现 SIFT。我是新手，我在正确配置它时遇到了一些困难。

我正在使用 OpenCV 2.3.1 和 Visual Studio 2010。我按照这个来配置它们，它在那个演示中工作。当我尝试运行此SIFT 演示时，出现错误 LNK2019。我认为原因是我对库的依赖不完整。我刚刚在项目中添加了 core.lib 和 highgui.lib。我不知道这个 SIFT 演示究竟需要什么。

这是我想知道的：

1. 在我上面提到的 SIFT 演示中，需要哪些库来处理错误 LNK2019？
2. 如何为特定项目选择 opencv 库？有小费吗？
3. 大多数使用场景有没有常见的库依赖配置？

谢谢你。

我有一个图像库，有约 5000 张图像和约 150 个特征。现在我有另一个具有约 300 个特征的图像，我想在我的库中找到 5 个最相似的图像。

蛮力大约需要 300 * 5000 * 150 * 128 次操作，花费太多时间。所以我为我库中每个图像的特征构建了一个 kd-tree，这意味着大约 5000 个 kd-tree。我像其他筛选库一样使用bbf 搜索近似最近的邻居。但是性能变得比我的蛮力算法还要慢。为了确保这不是我实现的错，我修改了其他库的匹配算法以蛮力，它们的性能也有所提高。

我的问题是有没有可能将〜5000 kd-trees组合成一棵树？或者是否有其他方法可以在匹配多个图像时提高性能？

我正在学习 OpenCV，我尝试运行这个来自 opencv 官方示例的示例。此示例使用 SURF 查找已知对象。我创建了一个 VS2010 项目并将以下内容添加到项目中：

我可以成功编译项目。但是，当我运行它时，我收到以下错误：

我调试了程序，发现错误发生在 lin e60: 上double dist = matches[i].distance。我不明白为什么我会收到错误。谁能帮我纠正这个问题？

我正在实现 SIFT 算法，我使用它的目的是我有一组图像，我想找到与单个图像的最佳匹配，我将其保存为“模板图像”。SIFT 返回匹配项和分数，其中“匹配项”表示在两个图像中发现相同的描述符，“分数”由欧几里德方法确定。

现在我被困在需要评估所有图像与我的模板图像之间的最佳匹配的点上。我发现当两个图像之间存在完全匹配时，“分数”结果为零，因为两个图像中的描述符位置相同。我该怎么做才能说这张图片是使用“分数”或任何其他方法与模板的最佳匹配或第二最佳匹配？

我目前在SIFT工作，我已经生成了高斯和极值图像层的差异。谁能向我解释如何使用 Hessian 矩阵来消除低对比度关键点？

在他 2004 年的论文“Distinctive Image Features from Scale-Invariant Keypoints”中，他给出了许多“可重复性”作为 XXX 的函数的图形，例如图 3,4 和 6，但他没有详细说明如何计算“可重复性”。

他实际上在第 8 页的图 3 中对“可重复性”进行了简单的解释，即“在转换后的图像中，在相同位置和尺度上可重复检测到的关键点的百分比”。

然而，1）我们如何知道在转换后的图像中检测到关键点的天气，只需逐个检查关键点？我不认为这是实用的，因为有成千上万的关键点。

2）我们可以认为在相同位置重复检测到的关键点有多近？3像素，6像素？还是根本不按像素？

我不知道如何上传论文“Distinctive Image Features from Scale-Invariant Keypoints”。这是链接： http ://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf

我正在使用 openCV 做一个项目，其中我将两个图像与 SIFT 关键点匹配，并使用 K 最近邻搜索从相同的图像中获得了良好的匹配。其中k=2。

现在我想获取在image2中匹配良好的SIFT关键点的坐标值，以及Image2中相应关键点的坐标值。任何机构都可以帮助我解决这个问题。谢谢。

我找到了解决方案......这很容易......我很傻......我只是将关键点转换为 CvPoints，从中我可以轻松获得坐标值......

S. Heymann 于 2007 年在 GPU 上实现了 SIFT 算法，他的论文在这里 http://wscg.zcu.cz/wscg/Papers_2007/Full/G03-full.pdf

现在我需要运行他的代码来与我的实现进行比较。似乎他的代码是可以访问的，因为我阅读了一些运行 Heymann 的实现并进行了一些分析的论文。但是，我用谷歌搜索了几天，却找不到海曼的代码或可执行程序。谁能告诉我在哪里可以找到它？